ollama 模型管理、删除模型 、open-webui 开启大模型交互

ollama 模型管理、删除模型 、open-webui 开启大模型交互
0-9


文章目录

ollama 基本信息

  • https://ollama.com/
1-001
ollama 运行模型
命令行执行即可

0.6B parameter model

ollama run qwen3:0.6b 

1.7B parameter model

ollama run qwen3:1.7b 

4B parameter model

ollama run qwen3:4b 

ollama 模型管理

要删除 Ollama 中的本地模型,可以通过命令行工具(CLI)或 API 操作。以下是具体步骤和注意事项:

🔧 方法一:使用命令行删除单个模型

删除指定模型
使用 ollama rm <模型名称> 命令删除目标模型:

ollama rm deepseek-r1:8b

输出deleted 'deepseek-r1:8b'

查看已安装模型列表
运行以下命令确认模型名称和版本:

ollama list

示例输出

NAME ID SIZE MODIFIED deepseek-r1:8b28f8fd6cdc674.9 GB 10 hours ago qwen2.5-3b:latest fe5cd25d719e 2.1 GB 24 hours ago 

⚙️ 方法二:批量删除所有模型

若需清理全部模型,可结合命令一次性删除:

ollama list |awk'{print $1}'|xargs -I {} ollama rm{}
  • 作用:自动获取所有模型名称并逐一删除。
  • 注意:此操作不可逆,需谨慎使用!

🗑️ 方法三:彻底卸载 Ollama(含所有数据)

如果不再需要 Ollama,可完全卸载并清理残留文件:

  1. 卸载软件
  2. 删除数据目录
      • Windows:C:\Users\<用户名>\.ollama
      • macOS/Linux:~/.ollama

所有系统:手动删除 Ollama 的数据存储目录:

rm -rf ~/.ollama # Linux/macOS

Linux

sudorm /usr/local/bin/ollama sudorm -rf /usr/share/ollama 

macOS (Homebrew)

brew uninstall ollama 

Windows

winget uninstall ollama 

⚠️ 注意事项

  1. 模型恢复
    删除后模型无法恢复,需重新通过 ollama pull 下载。

缓存清理
若曾通过 Hugging Face 独立下载模型,需额外清理缓存:

rm -rf ~/.cache/huggingface/hub/models--deepseek-ai* 

服务状态
删除模型前无需停止 Ollama 服务,但卸载软件前需终止相关进程:

pkill ollama # macOS/Linux Stop-Process -Name "ollama" -Force # Windows

验证是否删除成功

  • 运行 ollama list,若无输出则说明所有模型已清除。
  • 检查磁盘空间:删除后原模型占用的空间(如 4.9GB)应被释放。

open-webui 安装 开启大模型交互

open-webui pip 安装
conda activate base pip install open-webui 
open-webui 启动服务
open-webui serve --port 8082
浏览器访问 http://IP:8082/ :
  • http://IP:8082/
  • 邮箱注册账号,即可通过 open-webui 开启大模型交互
1-001

❤️ 时不我待,一起学AI


9-9

Read more

[特殊字符] Python在CentOS系统执行深度指南

[特殊字符] Python在CentOS系统执行深度指南

文章目录 * 1 Python环境安装与配置问题 * 1.1 系统自带Python的限制 * 1.2 安装Python 3的常见问题及解决方案 * 1.3 SSL模块问题解决方案 * 1.4 环境变量配置与管理 * 1.5 软件集合(SCL)替代方案 * 2 包管理与虚拟环境问题 * 2.1 pip包管理器问题与解决方案 * 2.2 虚拟环境的最佳实践 * 2.3 依赖兼容性问题解决 * 2.4 虚拟环境目录结构理解 * 3 模块导入与路径问题 * 3.1 Python模块搜索路径机制 * 3.2 常见模块导入错误与解决 * 3.3 路径配置最佳实践 * 3.4 特殊模块问题处理 * 3.

By Ne0inhk
【C++写详细总结①】从for循环到算法初步

【C++写详细总结①】从for循环到算法初步

前言 本文通过小编自身学习的进程从而总结出本文,也希望大家可以好好学习,帮助到自己 这个是萌新考场救场代码,与本文一起食用更佳 for循环计数器 for(定义计数变量;定义结束条件;每次循环所做的动作) 示例 for(int i=1;i<=10;i++) //首先定义“i”变量作为计数数组,赋初值为“1”//然后每次循环判断条件是否成立,不成立则退出//最后每循环执行条件,此示例为每循环“i”增加1 而计数器就是在for循环有了一定执行范围的基础上创建了一个数组,进行++计数 示例 #include<iostream>// 万年不变的框架usingnamespace std;intmain(){int n; cin>>n;//输入数值表示从1~n中有几个数字int

By Ne0inhk

DeOldify图像上色效果展示:黑白医疗影像→组织结构色彩增强显示

DeOldify图像上色效果展示:黑白医疗影像→组织结构色彩增强显示 1. 项目简介与核心价值 医疗影像分析是医学诊断中的重要环节,但很多历史医疗影像资料都是黑白的,这给医生的诊断和分析带来了一定困难。传统的黑白影像缺乏色彩信息,很多细微的组织结构和病理变化难以直观观察。 基于DeOldify深度学习模型的黑白图像上色技术,为医疗影像分析带来了全新的可能性。这个技术能够智能地为黑白医疗影像添加逼真的色彩,让组织结构更加清晰可见,帮助医生更好地识别和分析影像中的细节信息。 1.1 技术原理简述 DeOldify采用先进的U-Net深度学习架构,结合ResNet编码器,通过大量医疗影像数据训练而成。模型能够理解不同组织结构的色彩特征,为黑白影像智能添加符合医学标准的色彩表现。 核心优势: * 智能色彩还原:基于深度学习自动识别组织类型并添加相应色彩 * 细节保持:在色彩化的同时保持影像的细节清晰度 * 医学准确性:色彩表现符合医学影像标准 * 批量处理:支持大量医疗影像的快速处理 2. 医疗影像上色效果展示 2.1 组织切片影像上色效果 案例一:病理切片色彩

By Ne0inhk
2025年最新vscode无法下载.vsix插件(官网marketplace找不到DownLoad Extension下载.vsix插件按钮)的解决方案【以C/C++插件1.23.5之后的版本为例】

2025年最新vscode无法下载.vsix插件(官网marketplace找不到DownLoad Extension下载.vsix插件按钮)的解决方案【以C/C++插件1.23.5之后的版本为例】

目录 一、背景 二、解决方法1 三、解决方法2 1、访问C/C++插件的github仓库地址 2、选择对应版本的Asserts 3、下载相应版本的.vsix文件 4、vscode安装插件“Install from VSIX” 四、总结 一、背景 最近因为公司安全要求,内网开发需要严格隔离,无法访问公共互联网,在安装完vscode后,代码库使用的是C/C++语言,无法进行变量、函数的声明、实现的跳转,使用起来特别麻烦,因此安装C/C++插件能够更方便进行代码阅读。而因内网隔离,vscode基本的插件无法通过在线联网的方式安装,只能通过安装.vsix文件进行安装。 之前下载.vsix文件都是通过访问官网扩展市场 Extensions for Visual Studio family

By Ne0inhk